短期风速预测
短期风速预测的相关文献在2008年到2022年内共计213篇,主要集中在电工技术、能源与动力工程、自动化技术、计算机技术
等领域,其中期刊论文80篇、会议论文6篇、专利文献101321篇;相关期刊51种,包括电力科学与技术学报、可再生能源、太阳能学报等;
相关会议5种,包括中国电机工程学会清洁高效发电技术协作网2014年会、中国高等学校电力系统及其自动化专业第二十六届学术年会暨中国电机工程学会电力系统专业委员会2010年年会、2010中国智能电网学术研讨会等;短期风速预测的相关文献由674位作者贡献,包括卫志农、孙国强、孟安波等。
短期风速预测—发文量
专利文献>
论文:101321篇
占比:99.92%
总计:101407篇
短期风速预测
-研究学者
- 卫志农
- 孙国强
- 孟安波
- 张亚刚
- 张楚
- 彭甜
- 殷豪
- 王增平
- 夏鑫
- 胡清华
- 臧海祥
- 周武能
- 孙娜
- 孟科
- 季天瑶
- 张妍
- 潘桂芳
- 王怀智
- 王继龙
- 王辉
- 董朝阳
- 赵环宇
- 郭森森
- 陈亮
- 黄杰波
- 万杰
- 于达仁
- 刘达
- 刘金福
- 向婕
- 吴俊兴
- 唐巍
- 张涛
- 朱瑛
- 李超顺
- 梁智
- 甘振豪
- 胡杨
- 董朕
- 郭勉
- 陈昊
- 雍正
- 马留洋
- 黄宇
- 何育
- 侯进皎
- 冒烨颖
- 凡时财
- 刘东
- 刘伟
-
-
杨奎;
邱翔;
李家骅;
刘宇陆
-
-
摘要:
针对风速序列不平稳难以预测的问题,提出了一种混沌麻雀搜索算法(CSSA)优化最小二乘支持向量机(LSSVM)参数的短期风速预测混合模型。模型结合样本熵(SE)和具有自适应噪声改进的互补集成经验模态分解(ICEEMDAN)、变分模态分解(VMD)两阶段分解的数据预处理方法。首先,利用ICEEMDAN分解原始风速序列,且依据SE评估子序列的复杂程度,重构熵值近似的序列,VMD二次分解熵值最大的序列。然后对所有子序列分别建立LSSVM预测模型,同时CSSA对该模型参数优化以提高预测效率。最后将预测的各子序列叠加得到最终风速预测值。通过与经典模态分解等混合模型比较表明,所提基于优化算法的模型预测精度和收敛速度有明显提高。
-
-
郭明星;
黄阮明;
边晓燕;
徐丽;
宋天立;
戚宇辰
-
-
摘要:
风速预测是风电场规划和电网运行的重要环节,其中风速在不同时间尺度的时间序列预测对风电场前期规划以及发电量预测有着重要意义.设计了一个基于Elman神经网络预测风速时间序列的软件,输入变量包括历史风速、历史风向、历史风功率、历史比湿、历史地面气压、历史温度,选择风速高度、输入节点数,进而可进行神经网络预测.以内蒙古中部地区风速时间序列为研究对象,采用最大Lyapunov指数法分析了时间序列的混沌性,然后基于所设计的软件对该风速时间序列进行了短期预测.结果表明采用Elman神经网络对风速时间序列预测结果误差较小,能有效预测风速.
-
-
王耀庆;
孙建平;
李冰;
曹弘
-
-
摘要:
可靠准确的短期风速预测有利于电网安全稳定的运行.由于风速具有显著的随机性且受多种因素影响,难以达到令人满意的预测精度.为了提高预测精度,提出了一种新型混合预测模型.在提出的预测模型中,利用小波变换(WT)将原始风速序列分解为低频和高频子序列,利用长短期记忆(LSTM)网络和自回归滑动平均(ARMA)模型分别预测低频和高频子序列.最后,利用河北省某风电厂收集的风速数据对模型进行了验证,并与7种不同的预测模型进行了性能比较.实验结果表明,所提出的预测模型在预测精度方面优于其它模型,在短期风速预测中具有令人满意的性能.
-
-
白鹏
-
-
摘要:
针对风电场风速波动快、预测难的特点,构建了一种基于小波分解与支持向量回归机模型组合的风电场短期风速预测方法.该方法首先将变化剧烈的原始风速序列用小波分解为多个变化较为平缓的风速分量,然后再针对各分量利用支持向量回归机模型分别进行预测,最后将预测的结果重构得到最终的风速预测序列.利用MATLAB进行了算法仿真,仿真结果表明:基于小波分解与支持向量回归机的风电场短期风速预测方法可以实现风速的高精度预测预报,比单一支持向量回归机模型的预测精度更高,可以为风电场的实际生产与调度提供决策依据.
-
-
马军岩;
袁逸萍;
柴同;
赵琴
-
-
摘要:
综合考虑风电机组轮毂处历史风速规律和近期数值气象预报风速变化,对时间尺度为6h以内的风电机组轮毂处风速进行预测.为提高风速骤变情况下短期风速预测精度,提出一种新的组合神经网络.针对信号分解后的不同频率子序列特点,采用深度卷积神经网络和门控循环递归单元对趋势项子序列进行预测,用建立的Elman循环递归神经网络对细节项子序列进行预测.利用降尺度后的数值气象预报风速来判断风速骤变拐点,采用广义自回归条件异方差模型对非拐点风速预测值进行修正.最后,利用新疆某风电场实际风速数据进行实验,以平均绝对误差、均方误差及平均绝对百分比误差计算确定性预测精度,以覆盖率和区间宽度计算不确定性预测精度,结果验证了所提算法的有效性.
-
-
-
-
-
-
-
-
-
王世谦;
苏娟;
杜松怀
- 《中国高等学校电力系统及其自动化专业第二十六届学术年会暨中国电机工程学会电力系统专业委员会2010年年会》
| 2010年
-
摘要:
准确的短期风速预测,可以有效地减轻风电场对电力系统的不利影响,提高风电场在电力市场中的竞争力.由于风速具有很强的随机性和波动性,常规的风速预测方法在风速突变点均存在较大的预测误差,且通过改善预测方法本身无法得到有效地解决.本文从预测数据后期修正的角度出发,通过对历史风速数据波动特性进行数理统计,建立了一种基于波动特性及一定置信水平的短期风速预测修正公式,进而将原始风速预测值进行修正处理,得到优化风速预测值.该方法可以应用于不同方法风速预测结果的修正.对基于灰色GM(1,1)模型的风速预测结果进行修正,验证了该方法的有效性和可行性.
-
-
吕涛;
唐巍;
所丽
- 《2010中国智能电网学术研讨会》
| 2010年
-
摘要:
风力发电具有波动性、间歇性和随机性的特点,大容量的风力发电接入,会对电力系统的安全、稳定运行带来严峻挑战,进行短期风速预测对并网风力发电系统的运行具有重要意义。根据风速具有混沌特性,采用相空间重构理论对短期风速进行预测.由嵌入时间窗和、的关系,确定了和的多组可行匹配,并找出一个最佳匹配进行相空间重构.在选取参考点时既考虑相点欧式距离又考虑其空间及时间上的相关性,有效克服"伪邻近点"的影响,提高了预测精度.预测模型采用了一阶局域预测模型和BP神经网络两种模型.算例分析结果验证了所提出方法的可行性和有效性.
-
-
-
-
-
-